GPT-Live es la nueva generación de modelos de voz presentada por OpenAI para ChatGPT, diseñada para que las conversaciones resulten mucho más naturales. La principal novedad es que el asistente ya no necesita esperar a que el usuario termine de hablar para responder, sino que puede escuchar y hablar de forma simultánea, acercándose mucho más al funcionamiento de una conversación entre personas.

Este nuevo modo de voz sustituye progresivamente al anterior sistema conversacional de ChatGPT e introduce mejoras tanto en la fluidez como en la capacidad para mantener el contexto durante una conversación. Además, GPT-Live se integra con otras funciones del asistente, permitiendo realizar búsquedas en la web o utilizar modelos de razonamiento sin interrumpir el diálogo con el usuario.

GPT-Live hace que ChatGPT mantenga conversaciones mucho más naturales

La característica más importante de GPT-Live es su funcionamiento full-duplex. Esto significa que el modelo puede escuchar mientras habla y decidir en tiempo real si debe responder, esperar unos segundos o continuar escuchando. El resultado es una interacción mucho más parecida a una conversación humana, reduciendo las interrupciones que caracterizaban a los anteriores asistentes de voz.

Otra mejora destacada es la gestión inteligente de las pausas. Si el usuario se detiene unos instantes para pensar, ChatGPT ya no interpreta automáticamente que ha terminado de hablar. En su lugar, espera el tiempo suficiente antes de intervenir, evitando cortar frases o responder demasiado pronto. También puede emitir pequeñas confirmaciones como «ajá» o «entiendo» para indicar que continúa escuchando sin interrumpir la conversación.

GPT-Live también mejora la traducción en tiempo real. Gracias a su capacidad para escuchar y responder simultáneamente, puede traducir conversaciones de forma continua sin obligar a esperar a que cada interlocutor termine completamente de hablar, lo que hace que la comunicación resulte mucho más fluida.

Misma capacidad que ChatGPT

Otra novedad importante es la integración con el resto de capacidades de ChatGPT. Mientras mantiene una conversación por voz, el sistema puede delegar tareas como búsquedas en Internet o razonamientos complejos a modelos especializados, continuando el diálogo sin obligar al usuario a esperar largos periodos de silencio. Además, cuando el contexto lo requiere, ChatGPT puede mostrar información visual durante la conversación, como previsiones meteorológicas, resultados deportivos o datos financieros.

El despliegue de GPT-Live ya ha comenzado a nivel mundial. GPT-Live-1 pasa a ser el modelo de voz predeterminado para los usuarios de los planes Go, Plus y Pro, mientras que los usuarios del plan gratuito reciben GPT-Live-1 mini, una versión más ligera optimizada para consumir menos recursos sin perder la mayor parte de las mejoras conversacionales. La nueva experiencia está disponible en la versión web de ChatGPT y en las aplicaciones para Android e iOS.

Artículo original